语音处理方法、装置、电子设备及计算机可读介质与流程
本公开涉及语音处理领域，具体而言，涉及一种语音处理方法、装置、电子设备及计算机可读介质。
背景技术：
语音处理(speechsignalprocessing)用以研究语音发声过程、语音信号的统计特性、语音的自动识别、机器合成以及语音感知等各种处理技术的总称。利用语音处理技术，还可以实现对语音的自动识别，发音人的自动辨识，如果与人工智能技术结合，还可以实现各种语句的自动识别以至语言的自动理解，从而实现人机语音交互应答系统，真正赋予计算机以听觉的功能。
语音处理技术中包括：语音识别、语音合成、语音质检等语音分析技术正在被逐渐普及使用，但是这些技术在落地时，普遍面临两个问题：
(1)垂直系统化突出，缺乏通用平台化方案。导致诸多功能被重复建设，缺少通用基础平台化设计方案。
(2)实时语音数据处理与离线语音数据处理在平台建设中，被孤立设计，缺乏将实时处理和离线批处理整合的方案。
因此，需要一种新的语音处理方法、装置、电子设备及计算机可读介质。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现要素：
有鉴于此，本公开提供一种语音处理方法、装置、电子设备及计算机可读介质，将实时语音服务和离线语音批量服务进行整合，能够在同一个语音平台上同时处理两类语音任务。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一方面，提出一种语音处理方法，该方法包括：获取语音数据与其对应的处理类型，所述语音数据包括实时语音数据和\或离线语音数据；根据处理类型将所述实时语音数据分配至对应的任务队列；将所述离线语音数据进行分割处理，生成多个分割语音数据；根据处理类型将所述多个分割语音数据分配至对应的任务队列；以及通过所述任务队列读取所述语音数据以进行语音处理。
在本公开的一种示例性实施例中，获取语音数据与其对应的处理类型前包括：获取来自多个数据源接口的语音处理请求；以及对所述语音处理请求进行授权认证，认证通过后生成所述语音数据与其对应的所述处理类型；其中，所述数据源接口包括媒体资源控制协议接口，超文本传输协议接口，以及软件开发工具接口。
在本公开的一种示例性实施例中，对所述语音处理请求进行授权认证包括：通过语音处理请求中的场景码，时间码，以及哈希码对所述语音处理请求进行授权认证。
在本公开的一种示例性实施例中，将所述离线语音数据进行分割处理，生成多个分割语音数据包括：确定所述离线语音数据的分割数量及分割规则；根据所述分割规则与所述分割数量对所述离线语音数据进行分割处理；以及将分割处理之后的离线语音数据进行转码处理，生成所述多个分割语音数据。
在本公开的一种示例性实施例中，根据所述分割规则与所述分割数量对所述离线语音数据进行分割处理包括：通过所述离线语音数据的数据量、分割数量、文件储存路径与文件标识码生成文件描述矩阵；根据所述分割规则中的转码时长与分割时间，通过所述文件描述矩阵确定负载平衡时耗；以及基于负载平衡时耗与文件描述矩阵，对所述离线语音数据进行分割处理。
在本公开的一种示例性实施例中，将分割处理之后的离线语音数据进行转码处理包括：通过分割处理之后的离线语音数据生成结果描述矩阵；以及基于所述结果描述矩阵对分割处理之后的离线语音数据进行转码处理。
在本公开的一种示例性实施例中，根据处理类型将所述多个分割语音数据分配至对应的任务队列包括：根据处理类型为所述多个分割语音数据确定优先级；以及基于所述优先级将所述多个分割语音数据分配至对应的任务队列。
在本公开的一种示例性实施例中，通过所述任务队列读取所述语音数据以进行语音处理前包括：将所述语音数据转换为预定的语音格式。
在本公开的一种示例性实施例中，通过所述任务队列读取所述语音数据以进行语音处理包括以下至少一者：通过所述任务队列读取所述语音数据以进行语音识别；通过所述任务队列读取所述语音数据以进行语音合成；通过所述任务队列读取所述语音数据以进行语义理解；以及通过所述任务队列读取所述语音数据以进行语音质检。
在本公开的一种示例性实施例中，通过所述任务队列读取所述语音数据以进行语音处理还包括：语音处理之后的实时语音数据返回到实时语音数据的来源接口端；以及语音处理之后的离线语音数据返回到所述离线语音数据的存储路径中。
根据本公开的一方面，提出一种语音处理装置，该装置包括：数据模块，用于获取语音数据与其对应的处理类型，所述语音数据包括实时语音数据和\或离线语音数据；实时队列模块，用于根据处理类型将所述实时语音数据分配至对应的任务队列；离线分割模块，用于将所述离线语音数据进行分割处理，生成多个分割语音数据；离线队列模块，用于根据处理类型将所述多个分割语音数据分配至对应的任务队列；以及语音处理模块，用于通过所述任务队列读取所述语音数据以进行语音处理。
根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
根据本公开的语音处理方法、装置、电子设备及计算机可读介质，通过对离线语音数据进行处理，进而将离线语音数据与实时语音数据转换为同一格式的方式，能够将实时语音服务和离线语音批量服务进行整合，能够在同一个语音平台上同时处理两类语音任务。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种语音处理方法及装置的系统框图。
图2是根据一示例性实施例示出的一种语音处理方法的流程图。
图3是根据另一示例性实施例示出的一种语音处理方法的流程图。
图4是根据另一示例性实施例示出的一种语音处理方法的示意图。
图5是根据一示例性实施例示出的一种语音处理装置的框图。
图6是根据另一示例性实施例示出的一种语音处理装置的框图。
图7是根据一示例性实施例示出的一种电子设备的框图。
图8是根据一示例性实施例示出一种计算机可读存储介质示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。
图1是根据一示例性实施例示出的一种语音处理方法及装置的系统框图。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持语音传输的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所发送的语音数据进行处理的语音数据处理服务器。服务器105可以对接收到的语音数据(包括实时语音数据与离线语音数据)进行分析等处理，并将处理结果反馈给终端设备。
终端设备101、102、103可例如获取语音数据与其对应的处理类型，所述语音数据包括实时语音数据和\或离线语音数据，终端设备101、102、103可例如根据处理类型将所述实时语音数据分配至对应的任务队列；终端设备101、102、103可例如将所述离线语音数据进行分割处理，生成多个分割语音数据；终端设备101、102、103可例如根据处理类型将所述多个分割语音数据分配至对应的任务队列；以及终端设备101、102、103可例如通过所述任务队列读取所述语音数据以进行语音处理。
用户可通过终端设备101、102、103将待处理的语音数据发送给服务器105中，服务器105可例如获取语音数据与其对应的处理类型，所述语音数据包括实时语音数据和\或离线语音数据；服务器105可例如根据处理类型将所述实时语音数据分配至对应的任务队列；以及服务器105可例如将所述离线语音数据进行分割处理，生成多个分割语音数据。服务器105还可例如根据处理类型将所述多个分割语音数据分配至对应的任务队列；服务器105可例如通过所述任务队列读取所述语音数据以进行语音处理；服务器105还可例如将语音处理结构返回终端设备101、102、103。
服务器105可以是一个实体的服务器，还可例如为多个服务器组成，需要说明的是，本公开实施例所提供的语音处理方法可以由服务器105和/或终端设备101、102、103执行，相应地，语音处理装置可以设置于服务器105和/或终端设备101、102、103中。而提供给用户进行语音数据输入的请求端一般位于终端设备101、102、103中。
根据本公开的语音处理方法及装置，通过对离线语音数据进行处理，进而将离线语音数据与实时语音数据转换为同一格式的方式，能够将实时语音服务和离线语音批量服务进行整合，能够在同一个语音平台上同时处理两类语音任务。
图2是根据一示例性实施例示出的一种语音处理方法的流程图。语音处理方法20至少包括步骤s202至s210。
如图2所示，在s202中，获取语音数据与其对应的处理类型，所述语音数据包括实时语音数据和\或离线语音数据。
在一个实施例中，获取语音数据与其对应的处理类型前包括：获取来自多个数据源接口的语音处理请求；以及对所述语音处理请求进行授权认证，认证通过后生成所述语音数据与其对应的所述处理类型；其中，所述数据源接口包括媒体资源控制协议接口，超文本传输协议接口，以及软件开发工具接口。
可通过语音分析平台获取语音数据，语音分析平台可提供三类对外服务接口，分别是：媒体资源控制协议接口((mediaresourcecontrolprotocol，mrcp)、超文本传输协议接口(hypertexttransferprotocol，http)、软件开发工具接口(softwaredevelopmentkit，sdk)接口，其中mrcp接口主要用于支持电话交互系统的接入，http接口主要用于支持基于h5等开发的web系统的接入，sdk接口主要用于支持基于手机app开发的服务的接入。
在一个实施例中，对所述语音处理请求进行授权认证包括：通过语音处理请求中的场景码，时间码，以及哈希码对所述语音处理请求进行授权认证。
可通过语音分析平台的接口层对所有接入的服务进行授权认证控制，可例如：对所有发送请求的合法性进行认证，每个请求中都包含三个用于校验合法性的字段：场景码、时间码、哈希码h1，每次请求到来时，语音分析平台首先会使用场景码查询出授权码，然后使用授权码和时间码实时生成哈希码h2，通过比较h1和h2是否一致，判定授权是否合法。这种动态授权的方式，可以避免因网络传输中数据被截获而导致授权码被泄露的风险。
在授权验证通过后，接口层会根据场景码查询出该请求所对应任务的类型：实时或离线批处理，然后连同场景码、服务类型、数据块或存储路径等字段送入任务调度层，还可例如将实时语音数据发送至实时语音数据处理服务，离线语音数据发送至离线语音数据处理服务。
在s204中，根据处理类型将所述实时语音数据分配至对应的任务队列。实时语音数据处理服务在接收到请求后，会根据服务类型字段对应的服务，将实时语音数据加入任务队列，然后进行数据的处理。
在s206中，将所述离线语音数据进行分割处理，生成多个分割语音数据。离线语音数据处理是针对录音文件进行处理的，相对于实时语音数据处理的单一语音流，其最大的处理难点在于录音文件的时间长度和数量都远大于实时语音数据处理，要实现两套任务的统一处理，首先需要整合离线语音数据处理和实时语音数据处理的任务切分与管理逻辑。
在一个实施例中，将所述离线语音数据进行分割处理，生成多个分割语音数据包括：确定所述离线语音数据的分割数量及分割规则；根据所述分割规则与所述分割数量对所述离线语音数据进行分割处理；以及将分割处理之后的离线语音数据进行转码处理，生成所述多个分割语音数据。
在一个实施例中，根据所述分割规则与所述分割数量对所述离线语音数据进行分割处理包括：通过所述离线语音数据的数据量、分割数量、文件储存路径与文件标识码生成文件描述矩阵；根据所述分割规则中的转码时长与分割时间，通过所述文件描述矩阵确定负载平衡时耗；以及基于负载平衡时耗与文件描述矩阵，对所述离线语音数据进行分割处理。
在一个实施例中，将分割处理之后的离线语音数据进行转码处理包括：通过分割处理之后的离线语音数据生成结果描述矩阵；以及基于所述结果描述矩阵对分割处理之后的离线语音数据进行转码处理。
将所述离线语音数据进行分割处理，生成多个分割语音数据的详细过程将在图3对应的实施例中进行详细描述。
在s208中，根据处理类型将所述多个分割语音数据分配至对应的任务队列。包括：根据处理类型为所述多个分割语音数据确定优先级；以及基于所述优先级将所述多个分割语音数据分配至对应的任务队列。
在一个实施例中，离线语音数据的处理服务包含差异化的任务优先级队列，在收到请求后会先进行场景码所对应优先级的查询，目前设置优先级队列为7级，分别为：0、1、2、3、4、5、6，优先级逐渐降低，离线批处理服务在获取当前请求的优先级后，将当前请求插入到任务队列，等候其它优先级更高的任务处理完毕后再响应当前请求。
在s210中，通过所述任务队列读取所述语音数据以进行语音处理。包括：通过所述任务队列读取所述语音数据以进行语音识别；通过所述任务队列读取所述语音数据以进行语音合成；通过所述任务队列读取所述语音数据以进行语义理解；以及通过所述任务队列读取所述语音数据以进行语音质检。
在一个实施例中，通过所述任务队列读取所述语音数据以进行语音处理还包括：语音处理之后的实时语音数据返回到实时语音数据的来源接口端；以及语音处理之后的离线语音数据返回到所述离线语音数据的存储路径中。
其中，实时语音数据处理服务处理的数据块是包含在请求中的，数据处理后会将响应数据直接返回。离线语音数据处理服务处理的数据是存储在硬盘中的，包含在请求中的是文件目录，目录下各录音文件具有相同的优先级，并且是按名称顺序处理的。数据处理后会将响应数据存储在原路径目录下的特定目录中，文件名与源文件名一致。
在一个实施例中，通过所述任务队列读取所述语音数据以进行语音处理前包括：将所述语音数据转换为预定的语音格式。语音分析服务发送语音处理请求前，会先判断请求中语音的格式，并统一转化为预定的语音格式，可例如为16k16bits的语音格式。
可通过语音分析平台的接口层ai能力层对外提供标准化的服务，不区分实时请求和离线请求，目前平台主要包含四类服务：语音识别、语音合成、语义理解、语音质检，各服务功能描述如下：
语音识别：中文、英文语音转文本，为兼容实时语音识别服务和离线批量语音识别服务，其输入数据标准化为语音流媒体方式传入，不直接操作文件，输出纹文本流媒体，由任务调度层存储或返回；
语音合成：中文、英文文本转语音，为兼容实时语音合成服务和离线批量语音合成服务，其输入数据标准化为文本流媒体方式传入，不直接操作文件，输出为语音流媒体，由任务调度层存储或返回，；
语义理解：中文文本词句自动优化调整及标准化，其输入数据为标准文本流媒体短句，输出为经过纠错和标准化的标准文本语句，由任务调度层存储或返回；
语音质检：中文对话文本用语行业规范评估，其输入数据为标准文本流媒体，输出为对该文本流的标签，由任务调度层存储或返回；
四类服务均采用分布式架构部署，使用负载均衡进行任务分发。
根据本公开的语音处理方法，将语音分析服务平台化，避免了重复建设，便于应用系统使用。尤其是对于客服、电销人员庞大的公司，收益更加明显。
根据本公开的语音处理方法，将语音识别、语音合成、语义理解、语音质检服务整合进一个平台，并且将实时服务和离线批量服务整合，实现了一个平台处理两类任务，同时处理能力共享。
应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。
图3是根据另一示例性实施例示出的一种语音处理方法的流程图。图3所示的语音处理方法30是对图2所示的流程中s206“将所述离线语音数据进行分割处理，生成多个分割语音数据”的详细描述。
如图3所示，在s302中，确定所述离线语音数据的分割数量及分割规则。在接收到离线批处理请求后，任务节点先预读取待处理任务所指向目录下录音文件的数量、大小以及格式，并确定如何分配任务。
在s304中，通过所述离线语音数据的数据量、分割数量、文件储存路径与文件标识码生成文件描述矩阵。
可例如，设计文件(离线语音数据)描述矩阵v，可包含四列向量{v1,v2,v3,v4},其中v1表示当前离线语音数据与切割目标大小的倍数，可设定切割目标大小为αmb(α可以根据实际机器配置改变，值越大并发数越少，单文件处理时间越长；值越小并发数越大，单文件处理时间越短)，即每个离线语音数据最大不超过αmb，v1表示64mb的倍数(向上取整数值)；v2表示v1对应的文件数量，累加1；v3表示文件绝对路径，v4表示文件唯一标识码。
示例：
{1，1，/home/name1.pcm，xxxxx}
{1，2，/home/name2.wav,xxxxx}
{1，3，/home/name3.mp3,xxxxx}
表示存在3个小于αmb的文件，每个文件记录一条，各文件绝对路径可通过v1和v3的组合快速查询到。
{10，1，/home/name.pcm,xxxxx}
表示存在1个10倍于αmb的pcm文件；
每个文件均会在v中生成一行描述数据，对于录音格式不在处理范围内的文件进行过滤标记，形成错误文件描述矩阵v_error，矩阵各列向量格式同上。
可例如：
{5，3，/home/name.mp4}
表示存在3个5倍于αmb的文件；
在s306中，根据所述分割规则中的转码时长与分割时间，通过所述文件描述矩阵确定负载平衡时耗。
在一个实施例中，任务分配只针对描述矩阵v进行，verror中的结果只用于返回前端，供管理员查看失败列表，不参与任务分配。
对于文件描述矩阵v，假设其中子向量v1＝{c1，c1，c2，c2，…，cn},v2＝{x1，x2，x3，…，xn}，可用于分配的服务器计算节点数为nc，那么每个计算节点理论上可均衡负载的文件倍数nf为：
即每个计算节点可负载nf倍个α大小的文件。
由于转码时间长于切割时间，时长比例约为δ，因此，在分配处理任务时需要综合考虑切割时耗和转码时耗两部分，切割时耗设为t1，转码时耗设为t2，那么各计算节点负载平衡时耗为：
在s308中，基于负载平衡时耗与文件描述矩阵，对所述离线语音数据进行分割处理。
对于ci＝1的录音文件，是不需要切割的，只进行转码处理，其切割时耗t1＝0,整体处理时耗t＝t2。基于以上条件，每个计算节点实际可均衡负载文件数na的计算方法为：
(1)如果计算节点全部分配的是ci＞1的文件，
na＝na＞1＝max({xi，1，xi，2，...，xi，j})，其中
ceil()函数表示向上取整；条件
(2)如果计算节点全部分配的是ci＝1的文件，
极端情况：
如果文件描述文件v中全部是ci＝1的文件，那么
此时na＝1为ci＝1的文件总数。
(3)如果计算节点分配的是ci＞1与ci＝1混合的文件，
在s310中，通过分割处理之后的离线语音数据生成结果描述矩阵。按照任务分配规则，将离线批处理请求所对应的文件分配至各个切割节点s中，各任务处理节点根据α的大小进行切割处理，处理后的文件生成切割结果文件描述矩阵
例如：
{1，/home/cutdata/sub1.wav，xxxxxx}
{2，/home/cutdata/sub2.wav，xxxxxx}
执行完切割任务后，根据文件描述矩阵
在s312中，基于所述结果描述矩阵对分割处理之后的离线语音数据进行转码处理。
在各计算节点完成文件的转码后，如图4所示，管理节点m开始收集各计算节点的文件描述矩阵
对具有相同文件标识码的任务结果，依据任务队列先后顺序进行合并，然后分批写入磁盘文件中。
待文件描述矩阵中的所有任务全部处理完毕后，管理节点m向前端发送任务处理完毕通知。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由cpu执行的计算机程序。在该计算机程序被cpu执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。
此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图5是根据一示例性实施例示出的一种语音处理装置的框图。语音处理装置50包括：数据模块502，实时队列模块504，离线分割模块506，离线队列模块508，以及语音处理模块510。
数据模块502用于获取语音数据与其对应的处理类型，所述语音数据包括实时语音数据和\或离线语音数据；包括：获取来自多个数据源接口的语音处理请求；以及对所述语音处理请求进行授权认证，认证通过后生成所述语音数据与其对应的所述处理类型；其中，所述数据源接口包括媒体资源控制协议接口，超文本传输协议接口，以及软件开发工具接口。
实时队列模块504用于根据处理类型将所述实时语音数据分配至对应的任务队列；实时语音数据处理服务在接收到请求后，会根据服务类型字段对应的服务，将实时语音数据加入任务队列，然后进行数据的处理。
离线分割模块506用于将所述离线语音数据进行分割处理，生成多个分割语音数据；离线语音数据处理是针对录音文件进行处理的，相对于实时语音数据处理的单一语音流，其最大的处理难点在于录音文件的时间长度和数量都远大于实时语音数据处理，要实现两套任务的统一处理，首先需要整合离线语音数据处理和实时语音数据处理的任务切分与管理逻辑。
离线队列模块508用于根据处理类型将所述多个分割语音数据分配至对应的任务队列；包括：根据处理类型为所述多个分割语音数据确定优先级；以及基于所述优先级将所述多个分割语音数据分配至对应的任务队列。
语音处理模块510用于通过所述任务队列读取所述语音数据以进行语音处理。包括：通过所述任务队列读取所述语音数据以进行语音识别；通过所述任务队列读取所述语音数据以进行语音合成；通过所述任务队列读取所述语音数据以进行语义理解；以及通过所述任务队列读取所述语音数据以进行语音质检。
根据本公开的语音处理装置，将语音分析服务平台化，避免了重复建设，便于应用系统使用。尤其是对于客服、电销人员庞大的公司，收益更加明显。
图6是根据另一示例性实施例示出的一种语音处理装置的框图。语音处理装置60可包括：接口模块602，授权管理模块604，实时语音服务模块606，离线语音服务模块608，语音识别服务模块610，语音合成服务模块612，语义理解服务模块614，语音质检服务模块616，运维管理服务模块618，日志管理服务模块620。
接口模块602，提供三类对外服务接口，分别是：mrcp接口、http接口、sdk接口。
授权管理模块604，对所有接入的服务进行授权认证控制。
实时语音服务模块606，处理实时语音数据。
离线语音服务模块608，处理离散语音数据。
语音识别服务模块610，中文、英文语音转文本，为兼容实时语音识别服务和离线批量语音识别服务，其输入数据标准化为语音流媒体方式传入，不直接操作文件，输出纹文本流媒体，由任务调度层存储或返回。
语音合成服务模块612，中文、英文文本转语音，为兼容实时语音合成服务和离线批量语音合成服务，其输入数据标准化为文本流媒体方式传入，不直接操作文件，输出为语音流媒体，由任务调度层存储或返回。
语义理解服务模块614，中文文本词句自动优化调整及标准化，其输入数据为标准文本流媒体短句，输出为经过纠错和标准化的标准文本语句，由任务调度层存储或返回。
语音质检服务模块616，中文对话文本用语行业规范评估，其输入数据为标准文本流媒体，输出为对该文本流的标签，由任务调度层存储或返回。
运维管理服务模块618，该服务主要用于用户接入授权管理、可调用服务的授权管理、并发数分配、查看当前任务队列及状态等。
日志管理服务模块620，该服务主要用于日志数据的统计、显示、查询等，用于跟踪查看各种错误类型，并监控服务器的运行状态。
应用系统如果需要使用语音分析平台的服务，首先需要明确需要通过哪类接口、使用哪类服务、并发请求量等需求。然后，由语音分析平台管理员对该系统进行授权。如果使用sdk接口，则需要提供编程语言类型及编译环境位数。
在授权过程中，场景码使用约定规则由管理员编写，授权码由系统动态分配生成。由管理员对该场景码配置ai服务类型及并发请求数。由管理员提供接口文档，内容包括域名、接口类型、并发请求数、开放服务类型、编程样例等。
在应用系统接入中，根据接口文档提供的域名地址和接口字段等内容，在编程语言中嵌入接口。如果使用sdk接口，除需要配置域名、接口字段等内容外，还需要根据接口文档详细配置sdk接口函数中的各个字段。
在系统联调中，根据接口文档编写程序后，使用测试环境联调，直至调通。
本公开以语音识别、语音合成、语义理解、语音质检四项基础语音分析ai服务为核心，将实时语音分析服务和离线批量语音分析服务整合，实现了两大类服务的透明化输出。
本公开设计与实现一套面向语音分析的综合服务平台，为金融保险业涉及语音的各类业务应用提供统一的平台化服务，避免系统重复建设带来的资源浪费。
图7是根据一示例性实施例示出的一种电子设备的框图。
下面参照图7来描述根据本公开的这种实施方式的电子设备200。图7显示的电子设备200仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元210执行，使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元210可以执行如图2，图3中所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元(rom)2203。
所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204，这样的程序模块2205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
图8示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。
参考图8所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品400，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：获取语音数据与其对应的处理类型，所述语音数据包括实时语音数据和\或离线语音数据；根据处理类型将所述实时语音数据分配至对应的任务队列；将所述离线语音数据进行分割处理，生成多个分割语音数据；根据处理类型将所述多个分割语音数据分配至对应的任务队列；以及通过所述任务队列读取所述语音数据以进行语音处理。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
- 还没有人留言评论。精彩留言会获得点赞！